Elucidando las Implicaciones Pronósticas y Terapéuticas de los Genes de Resistencia a la Insulina en el Cáncer de Mama: Un Análisis Impulsado por Aprendizaje Automático
Autores: Wei, Lengyun; Li, Dashuai; Chen, Hongjin; Pu, Yajing; Wang, Qun; Li, Jintao; Zhou, Meng; Liu, Chenfeng; Long, Pengpeng
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 3
Citaciones: Sin citaciones
El estudio investigó la asociación entre la resistencia a la insulina y el cáncer de mama a través de la aplicación de diversas técnicas de aprendizaje automático. Al analizar datos de una gran cohorte de pacientes, se identificaron siete genes clave (LIFR, EZR, TBC1D4, NSF, RPL5, SAA1 y PGK1). Basado en estos genes, se construyó un modelo pronóstico, que demostró una fuerte correlación con la supervivencia general, los resultados clínicos y las respuestas al tratamiento. Estos hallazgos sugieren que el modelo propuesto puede servir como una herramienta valiosa para los clínicos en la predicción de respuestas al tratamiento, facilitando así estrategias terapéuticas más personalizadas.
Descripción
El estudio investigó la asociación entre la resistencia a la insulina y el cáncer de mama a través de la aplicación de diversas técnicas de aprendizaje automático. Al analizar datos de una gran cohorte de pacientes, se identificaron siete genes clave (LIFR, EZR, TBC1D4, NSF, RPL5, SAA1 y PGK1). Basado en estos genes, se construyó un modelo pronóstico, que demostró una fuerte correlación con la supervivencia general, los resultados clínicos y las respuestas al tratamiento. Estos hallazgos sugieren que el modelo propuesto puede servir como una herramienta valiosa para los clínicos en la predicción de respuestas al tratamiento, facilitando así estrategias terapéuticas más personalizadas.